Для кого эта статья

Вы — владелец бизнеса или руководитель, который понимает: AI — это не просто хайп, а инструмент роста. Но не знаете, с чего начать. Нанимать консультанта дорого. Внедрять «что-нибудь» — рискованно. По данным MIT, 95% AI-проектов не создают измеримой ценности именно потому, что начинаются без диагностики.

Эта статья — пошаговый фреймворк, который я использую в работе с клиентами. Вы сможете провести первичный AI-аудит своего бизнеса самостоятельно за 2 недели.

Обзор фреймворка: 4 фазы за 14 дней

• Дни 1–3: Инвентаризация процессов
• Дни 4–7: Оценка потенциала автоматизации
• Дни 8–11: Расчёт ROI и приоритизация
• Дни 12–14: Дорожная карта и quick wins

Фаза 1: Инвентаризация процессов (дни 1–3)

Прежде чем искать возможности для AI — нужно понять, что вообще происходит в бизнесе. По данным McKinsey, у большинства компаний нет полной карты процессов — знания живут в головах сотрудников.

День 1: Составьте карту функций

Выпишите все основные функции бизнеса в таблицу:

• Продажи: обработка лидов, квалификация, follow-up, CRM
• Маркетинг: контент, email, реклама, аналитика
• Поддержка: тикеты, чат, телефон, FAQ
• Операции: закупки, склад, логистика, доставка
• Финансы: счета, оплаты, сверки, отчёты
• HR: найм, онбординг, KPI, обучение

День 2: Интервью с руководителями отделов

Проведите 30-минутное интервью с каждым руководителем. Задайте 5 вопросов:

1. Какие задачи занимают больше всего времени у вашей команды?
2. Какие задачи повторяются ежедневно/еженедельно?
3. Где чаще всего ошибки и сколько стоит каждая ошибка?
4. Какие данные вы используете для принятия решений? В каком формате?
5. Что бы вы автоматизировали в первую очередь, если бы могли?

День 3: Составьте реестр процессов

Сведите результаты в единую таблицу. Для каждого процесса зафиксируйте:

• Название (например: «Ответ на входящий запрос клиента»)
• Отдел (поддержка)
• Частота (200 раз/день)
• Время на выполнение (15 мин)
• Кто выполняет (3 оператора)
• Тип данных (структурированные / неструктурированные)
• Текущие инструменты (CRM, Excel, email)

В итоге у вас должно быть 15–30 процессов. Это ваша «карта территории».

Фаза 2: Оценка потенциала автоматизации (дни 4–7)

Не каждый процесс подходит для AI. Теперь нужно отфильтровать кандидатов.

Матрица пригодности к AI

Оцените каждый процесс по 4 критериям (1–5 баллов):

1. Повторяемость (Repetitiveness)

• 5 — полностью стандартный, одинаковый каждый раз
• 3 — есть вариации, но основной флоу понятен
• 1 — каждый раз уникальный, требует творчества

2. Объём данных (Data Volume)

• 5 — сотни/тысячи операций в день, данные в цифровом виде
• 3 — десятки операций, часть данных в цифре
• 1 — единичные операции, данные на бумаге или в головах

3. Правила принятия решений (Decision Rules)

• 5 — чёткие правила «если X, то Y»
• 3 — правила есть, но с нюансами и исключениями
• 1 — нужна интуиция, опыт, эмпатия

4. Стоимость ошибки (Error Cost)

• 5 — ошибка стоит дорого (потеря клиента, штраф, брак)
• 3 — умеренные последствия
• 1 — ошибка легко исправима

Итоговый балл = сумма четырёх оценок (4–20)

Интерпретация результатов

• 16–20 баллов: отличный кандидат для AI — автоматизация даст быстрый эффект
• 11–15 баллов: хороший кандидат — стоит оценить ROI подробнее
• 4–10 баллов: слабый кандидат — лучше начать с других процессов

По данным AutomationTactics, если на вопрос «как вы принимаете решение?» ответ «это зависит от ситуации» — процесс не готов к автоматизации. Сначала стандартизация, потом AI.

Типы AI-решений по категориям задач

• Классификация и маршрутизация: сортировка тикетов, лидов, документов → LLM или классический ML
• Генерация контента: ответы клиентам, отчёты, описания → LLM (GPT, Claude)
• Извлечение данных: парсинг документов, счетов, резюме → OCR + NLP
• Прогнозирование: спрос, отток, цены → классический ML (XGBoost, Prophet)
• Оптимизация: маршруты, расписания, запасы → операционное исследование + ML

Фаза 3: Расчёт ROI и приоритизация (дни 8–11)

Теперь считаем деньги. Это самая важная фаза — именно здесь отсеиваются 90% «хотелок». Подробнее о расчёте ROI и бенчмарках по индустриям — в исследовании «Где AI даёт максимальный ROI».

Формула ROI для каждого процесса

Ежемесячная экономия = Объём × Время × Стоимость часа × Процент автоматизации

Пример: обработка входящих запросов

• Объём: 200 запросов/день × 22 рабочих дня = 4 400/мес
• Время: 15 мин = 0.25 часа
• Стоимость часа оператора: 500 руб
• Процент автоматизации (реалистичный): 50%
• Экономия: 4 400 × 0.25 × 500 × 0.5 = 275 000 руб/мес

Оценка затрат

Типичные затраты на AI-проект (по бенчмаркам 2026):

• Простой бот / агент: $5K–$50K разработка + $3K–$13K/мес поддержка
• Средний ML-проект: $50K–$150K + 17–30% ежегодно
• Текущие расходы: умножайте базовый расчёт токенов на ×1.7

Приоритизация: матрица Impact × Effort

Расставьте процессы по двум осям:

• Impact (ось Y): ежемесячная экономия в рублях
• Effort (ось X): сложность внедрения (данные, интеграции, согласования)

Приоритеты:

1. Высокий Impact + Низкий Effort → делаем первым (quick wins)
2. Высокий Impact + Высокий Effort → планируем на квартал
3. Низкий Impact + Низкий Effort → если есть ресурсы
4. Низкий Impact + Высокий Effort → не делаем

По данным Auxis, всегда закладывайте −30% к ожидаемой экономии — на edge cases, обслуживание и кривую обучения.

Фаза 4: Дорожная карта и quick wins (дни 12–14)

День 12: Выберите 1–2 quick wins

Quick win — это проект, который:

• Окупается за 1–3 месяца
• Не требует сложных интеграций
• Даёт видимый результат команде
• Создаёт внутренних адвокатов AI

Типичные quick wins:

• AI-бот для FAQ в поддержке (50%+ запросов — типовые)
• Автоклассификация входящих заявок
• AI-генерация описаний товаров или email-рассылок
• Автозаполнение документов из CRM

День 13: Составьте дорожную карту на 6 месяцев

Месяц 1–2: Quick win #1 — MVP и пилот на ограниченной выборке

Месяц 3–4: Quick win #2 + масштабирование первого проекта

Месяц 5–6: Начало работы над «высокий Impact + высокий Effort» проектом

Каждый этап должен иметь:

• Конкретную метрику успеха (время ответа, конверсия, стоимость операции)
• Бюджет с запасом +30%
• Ответственного (без спонсора на уровне топ-менеджмента шансы на успех — 11%)

День 14: Проверьте готовность данных

Для каждого выбранного проекта ответьте:

1. Данные существуют? (в CRM, логах, тикет-системе)
2. Данные доступны? (API, выгрузка, или нужна ручная подготовка)
3. Данные чистые? (дубли, пропуски, разные форматы)
4. Данных достаточно? (для ML обычно нужно 1000+ примеров)

Если на любой вопрос ответ «нет» — это не стоп, но это дополнительный этап (и бюджет) в проекте.

Чек-лист: результат аудита

После 2 недель у вас должны быть:

• Карта 15–30 ключевых процессов с метриками
• Рейтинг AI-пригодности каждого процесса (4–20 баллов)
• Расчёт ROI для топ-5 процессов
• Матрица Impact × Effort
• 1–2 quick wins с конкретным планом
• Дорожная карта на 6 месяцев
• Оценка готовности данных

Шаблон с примером

Я подготовил Excel-шаблон с заполненным примером аудита клиентского сервиса — все 4 фазы на отдельных листах: реестр процессов, матрица AI-пригодности, расчёт ROI и дорожная карта.

Открыть шаблон AI-аудита в Google Sheets →

Когда стоит привлечь консультанта

Этот фреймворк покрывает 80% работы. Но есть ситуации, где внешняя экспертиза критична:

• Сложная интеграция — множество legacy-систем без API
• Регулируемая отрасль — финансы, медицина, госсектор (требования ФСТЭК, 152-ФЗ)
• Масштаб — 50+ процессов, несколько бизнес-юнитов
• Отсутствие технической команды — нужен кто-то, кто переведёт бизнес-задачу в техническое решение

В этих случаях 30-минутная стратегическая сессия сэкономит месяцы проб и ошибок.